Evaluation eines Computerprogramms zur Differenzierung zwischen gesundem und fibrotischem Lungengewebe in der hochauflösenden Computertomographie mittels der fraktalen Dimension
Ziel dieser Arbeit war die Evaluation einer semiautomatisch funktionierenden Software, welche anhand der fraktalen Dimension D hochaufgelöste Thorax-Computertomographien von Patienten mit radiologisch gesundem Lungenparenchym und Patienten mit Lungenfibrose unterscheidet.Methodik: Lungen-HRCT-Scans von 78 Patienten mit Lungenfibrose und 23 HRCTs radiologisch unauffälligen Lungenparenchyms wurden retrospektiv auf die fraktale Dimension, ihre Dichte und das Lungenvolumen hin untersucht und mit der vom Radiologen gestellten Diagnose korreliert. Durch Bildsegmentierung mittels Saatkorn-Algorithmus und Schwellenwertbildung entstanden fünf Bilddatensätze, die jeweils bestimmte Hounsfield-Bereiche (HE-Bereiche) der Original-Bilddaten darstellen. Für alle wurde die fraktale Dimension über die Masse-Radius-Methode berechnet. Die D-Mittelwerte wurden mittels T-Tests auf signifikante Differenzen untersucht. Über logistische Regression wurde die Wahrscheinlichkeit berechnet, mit welcher ein Fall anhand der berechneten Variablen einer der beiden Gruppen (Gesund oder Fibrose) zugeordnet werden kann.Ergebnisse: Die Mittelwerte für die fraktale Dimension, die Dichte und das Lungenvolumen der verschiedenen Datensätze zeigten einen signifikanten Unterschied zwischen den Gruppen Gesund und Fibrose . Bei Einbeziehen aller Variablen in die logistische Regression konnte eine korrekte Zuordnung in eine der beiden Gruppen mit einer Wahrscheinlichkeit von 92,1% erfolgen. Führten wir die logistische Regression mit nur einer Variablen durch, wurde die größte Wahrscheinlichkeit der Übereinstimmung in der Gruppenzuordnung durch die fraktalen Dimensionswerte des HE-Bereich von -300 und größer festgestellt. Diese lag bei 88,1%.Schlussfolgerung: Die fraktale Dimension stellt einen geeigneten Parameter dar, Patienten mit gesundem von Patienten mit fibrosiertem Lungenparenchym in der HRCT zu differenzieren. Daher stellt diese Methodik einen guten Ansatzpunkt zur Entwicklung eines objektiven, streng reproduzierbaren diagnostischen Hilfsmittels zur Unterstützung des Radiologen dar.
